AI 使用经验

序言

在当前的 AI 协同开发时代,纯粹依赖手工逐行编写代码的需求正在逐步减少。我从 2025 年开始进入 Go 后端开发的实习岗位,2025 年下半年时,团队的实际开发模式通常是人工编写 20% 到 30% 的关键核心逻辑:例如 interface.go 中的接口定义、schema.sql 中的表结构设计等架构决策依赖人工完成,业务服务层与仓储层的增删改查逻辑则结合模型配合 GORM 等框架快速实现,代码审查主要由导师逐行人工核对,招聘平台上的岗位描述也依然以"后端开发"、“服务端开发"为主。

但到了 2026 年,情况发生了深刻的变化。模型的推理与逻辑规划能力呈现出极快的跃升,从年初的推理模型到后续参数规模与长文本能力更强的新版本,模型在多步长链路推导上的进化速度非常快。模型不仅能快速实现完整规范的响应式交互界面,也能写出上千行逻辑严谨、风格规范的服务端业务代码。工程实践中开始普遍出现人机协同编码的环节,面试交流也几乎都会涉及"平时采用哪些模型工具链”、“如何设计日常的自动化协同流程"等具体问题。

楔子

我一直在思考,面试或技术交流中大家常常讨论日常的"自动化工作流",但纯粹口头叙述往往很难把那些微观的工程细节讲清楚。把这些实践整理成体系化的记录,既是对个人技术栈与工程认知的梳理,也能作为一个清晰的工程案例参考。

目前技术社区中分享模型使用经验的内容不少,但多数集中在工具清单推荐,缺少真实项目中的微观代码与落地细节。本书希望避开空泛的宏观概括,把工具的运用融入到真实的代码片段、基准测试数据与系统架构设计中,尽可能还原真实的工程现场。

我的日常技术栈以 Go 服务端搭配现代 TypeScript 前端为主,因此书中的案例均以 Go 与 TypeScript 展开,重点记录两种语言在类型系统、显式控制流与静态检查方面的实践,其他技术栈的开发者亦可参考其通用的系统设计思路。